决策树分析法_决策树分析法有什么优点？

决策树法的优缺点

决策树法是管理人员和决策分析人员经常采用的一种行之有效的决策工具。它具有下列优点：
1.决策树列出了决策问题的全部可行方案和可能出现的各种自然状态，以及各可行方法在各种不同状态下的期望值。
2.能直观地显示整个决策问题在时间和决策顺序上不同阶段的决策过程。
3.在应用于复杂的多阶段决策时，阶段明显，层次清楚，便于决策机构集体研究，可以周密地思考各种因素，有利于作出正确的决策。
当然，决策树法也不是十全十美的，它也有缺点，如使用范围有限，无法适用于一些不能用数量表示的决策；对各种方案的出现概率的确定有时主观性较大，可能导致决策失误；等等。

决策树法的优缺点

决策树法是管理人员和决策分析人员经常采用的一种行之有效的决策工具。它具有下列优点：
1.决策树列出了决策问题的全部可行方案和可能出现的各种自然状态，以及各可行方法在各种不同状态下的期望值。
2.能直观地显示整个决策问题在时间和决策顺序上不同阶段的决策过程。
3.在应用于复杂的多阶段决策时，阶段明显，层次清楚，便于决策机构集体研究，可以周密地思考各种因素，有利于作出正确的决策。
当然，决策树法也不是十全十美的，它也有缺点，如使用范围有限，无法适用于一些不能用数量表示的决策；对各种方案的出现概率的确定有时主观性较大，可能导致决策失误；等等。

决策树的优缺点是什么啊

决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

决策树的优缺点：
优点：

1) 可以生成可以理解的规则。

2) 计算量相对来说不是很大。

3) 可以处理连续和种类字段。

4) 决策树可以清晰的显示哪些字段比较重要

缺点：

1) 对连续性的字段比较难预测。

2) 对有时间顺序的数据，需要很多预处理的工作。

3) 当类别太多时，错误可能就会增加的比较快。

4) 一般的算法分类的时候，只是根据一个字段来分类。

决策树分析法的决策树对于常规统计方法的优缺点

优点：
1)　可以生成可以理解的规则；
2)　计算量相对来说不是很大；
3) 可以处理连续和种类字段；
4) 决策树可以清晰的显示哪些字段比较重要。
缺点：
1) 对连续性的字段比较难预测；
2) 对有时间顺序的数据，需要很多预处理的工作；
3) 当类别太多时，错误可能就会增加的比较快；
4) 一般的算法分类的时候，只是根据一个字段来分类。

决策树CART算法优点和缺点

CART的全称是分类和回归树，既可以做分类算法，也可以做回归。
决策树的优缺点：
优点：

1.可以生成可以理解的规则。
2.计算量相对来说不是很大。
3.可以处理连续和种类字段。
4.决策树可以清晰的显示哪些字段比较重要
缺点：

1. 对连续性的字段比较难预测。
2.对有时间顺序的数据，需要很多预处理的工作。
3.当类别太多时，错误可能就会增加的比较快。
4.一般的算法分类的时候，只是根据一个字段来分类。

支持向量机和决策树哪个好？各有什么优势？

方法是死的，人是活的。你可以两种方法都做一下，用软件也很方便，看看那个结果好，在专业上比较好解释的，就用那个。
统计方法只是一种工具，目的是得到最好的结果。
支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
决策树将N维空间便被划分成了若干个小区域，用树型结构图的形式展现决策树，它往往向人们展示的是各因素之间的交互作用。

决策树是用来解决哪类决策问题的?

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根(决策节点)、其他内点(方案节点、状态节点)、树叶(终点)、树枝(方案枝、概率枝)、概率值、损益值组成。